-
公开(公告)号：CN113658134B
公开(公告)日：2024-08-23
申请号：CN202110939965.7
申请日：2021-08-13
Applicant: 安徽大学
IPC: G06T7/00 , G06T7/33 , G06T5/50 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种多模态对齐校准的RGB‑D图像显著目标检测方法，包括以下步骤：从RGB‑D图像中提取RGB特征和Depth特征；对RGB特征和Depth特征进行对齐校准，产生RGB修正特征和Depth修正特征；从Depth特征中提取边特征，产生边图；联合解码RGB修正特征、Depth修正特征、边特征产生显著图；利用显著图真值、边图真值监督所述边图、显著图，通过训练集的训练，形成RGB‑D图像显著目标检测模型；利用所述RGB‑D图像显著目标检测模型检测任意一张RGB‑D图像，输出显著图为检测结果。所述方法通过对颜色特征和深度特征进行对齐校准减少两种模态之间的差异，实现有效融合，提高检测精度。
-
公开(公告)号：CN113822855A
公开(公告)日：2021-12-21
申请号：CN202110933152.7
申请日：2021-08-11
Applicant: 安徽大学
Abstract: 本发明公开了一种RGB‑T图像显著目标检测方法，包括以下步骤：从RGB‑T图像中提取RGB特征和Thermal特征，产生对应初始显著图，利用初始显著图增强所述RGB特征和Thermal特征后，实施独立解码，产生RGB和Thermal独立解码特征、独立解码显著图；融合所述RGB和Thermal独立解码特征，形成RGB‑T融合特征后，实施联合解码，产生联合解码显著图；利用显著图真值监督独立解码显著图、联合解码显著图，通过训练数据集的训练，形成RGB‑T图像显著目标检测模型，所述模型检测任意一张RGB‑T图像，输出联合解码显著图。所述方法通过独立解码兼顾RGB颜色图像和Thermal热红外图像各自的独特性，通过联合编码减少RGB颜色图像和Thermal热红外图像二者之间的差异，提高检测性能。
-
公开(公告)号：CN106971612A
公开(公告)日：2017-07-21
申请号：CN201710310593.5
申请日：2017-05-04
Applicant: 安徽大学
IPC: G08G1/14
CPC classification number: G08G1/144
Abstract: 本发明公开了一种基于Android的停车系统，包括：超声波测距传感器、树莓派B+、无线传感器和智能终端；超声波测距传感器用于测定车位是否停放有车辆；树莓派B+用于连接超声波测距传感器，用于控制超声波测距传感器，并通过无线传感器将超声波测距传感器测得的数据传输给智能终端；所述智能终端设置有控制传感器、GPS模块、分析模块、寻车模块、显示模块和显示屏。本发明可以在手机等智能终端上查看停车场内的停车情况并预定停车位置，以及搜索对自己最方便的停车位，这样不但可以节省大量的时间，也有可能减少了车主之间不必要的纷争，有利于停车场的管理。
-
公开(公告)号：CN104361295B
公开(公告)日：2017-02-22
申请号：CN201410648782.X
申请日：2014-11-14
Applicant: 安徽大学
Abstract: 本发明公开一种基于云平台的车联网RSU数据查询验证方法，包括以下步骤：数据采集并树形处理、数据签名、将数据上传至云服务器、数据证据生成、数据不可否认交互、数据验证和交互纠纷仲裁。本发明中的数据验证流程能够高效使用计算资源，尤其在签名不合法的情况下更是能够大幅度减少无意义的计算代价，在云服务器和客户端的交互阶段引入可信任的隐藏方，采用不可否认协议解决客户端雨云服务器之间由不诚信所带来的纠纷问题，使得客户端无法抵赖其已收到相应服务，同时避免了云服务器否认向客户端提供了错误结果的情况，从而保障了云服务器和客户端的合法权益。
-
公开(公告)号：CN113658134A
公开(公告)日：2021-11-16
申请号：CN202110939965.7
申请日：2021-08-13
Applicant: 安徽大学
Abstract: 本发明公开了一种多模态对齐校准的RGB‑D图像显著目标检测方法，包括以下步骤：从RGB‑D图像中提取RGB特征和Depth特征；对RGB特征和Depth特征进行对齐校准，产生RGB修正特征和Depth修正特征；从Depth特征中提取边特征，产生边图；联合解码RGB修正特征、Depth修正特征、边特征产生显著图；利用显著图真值、边图真值监督所述边图、显著图，通过训练集的训练，形成RGB‑D图像显著目标检测模型；利用所述RGB‑D图像显著目标检测模型检测任意一张RGB‑D图像，输出显著图为检测结果。所述方法通过对颜色特征和深度特征进行对齐校准减少两种模态之间的差异，实现有效融合，提高检测精度。
-
Patent Agency Ranking
公开(公告)号：CN113537326A
公开(公告)日：2021-10-22
申请号：CN202110760504.3
申请日：2021-07-06
Applicant: 安徽大学
Abstract: 本发明公开了一种RGB‑D图像显著目标检测方法，包括以下步骤：提取RGB和Depth图像特征，同时实施融合形成RGBD融合特征，将其划分为高层RGBD融合特征及低层RGBD融合特征；利用三个Transformer增强所述高层RGBD融合特征，形成高层RGBD增强特征；三流解码所述高层RGBD增强特征，通过与低层RGBD融合特征的结合，形成RGBD细化特征；融合所述RGBD细化特征形成显著图；本发明检测方法利用Transformer增强高层特征，准确获取显著物体的位置信息，并利用三流融合，融入低层特征，细化显著物体轮廓细节；通过卷积神经网络和Transformer的结合、全局和局部的优化，产生精度高的显著图。
-
公开(公告)号：CN113298154A
公开(公告)日：2021-08-24
申请号：CN202110585098.1
申请日：2021-05-27
Applicant: 安徽大学
Abstract: 本发明公开了一种RGB‑D图像显著目标检测方法，包括以下步骤：提取RGB图像特征，同时提取Depth图像特征，并将Depth图像特征与RGB图像特征进行融合，形成RGBD融合特征；调整所述RGBD融合特征的尺度，形成通道数和分辨率都相同的RGBD多层特征；双向门控解码所述RGBD多层特征，形成RGBD增强特征；所述RGBD增强特征逐步相加，形成显著图。本发明检测方法中将编码器抽取的多层特征看作输入序列，通过双向门控循环单元解码多层特征，利用门控循环单元记忆共同信息，遗忘不一致信息，找出多层特征中的共有信息，提升特征的信息表示，实现最优的解码过程。
-
公开(公告)号：CN105893748A
公开(公告)日：2016-08-24
申请号：CN201610192585.0
申请日：2016-03-29
Applicant: 安徽大学
IPC: G06F19/00
CPC classification number: G16Z99/00
Abstract: 本发明公开了一种基于粗糙集理论的幸福指数评价方法，通过建立两级评价指标体系以及评价标准；收集不同人群的评价值，提取条件属性，对数据进行离散化处理构建基于粗糙集理论的幸福指数评价决策体系；确定两级评价体系的权重并获得幸福指数。并公开了采用上述评价方法的系统。本发明将粗糙集理论引入幸福指数及其评价体系研究中，将传统的计算指标的权重问题转换为属性的重要度问题。还可以利用粗糙集理论中信息熵的属性重要度以及知识约简可以进一步简化影响人民幸福指数的指标，以获得相对客观和合理的可测量的指标，反映出各项指标对幸福指数的影响程度。同时利用粗糙集理论补全数据的方法在所获得的数据不完全的情况下处理数据，从而促进幸福指数研究的实用性。
-
公开(公告)号：CN105677854A
公开(公告)日：2016-06-15
申请号：CN201610008715.0
申请日：2016-01-04
Applicant: 安徽大学
IPC: G06F17/30
CPC classification number: G06F16/2468 , G06F16/2465
Abstract: 本发明公开了一种基于粗糙集理论对学生的单科成绩进行决策分析方法以及分析器。以研究学生单科成绩的决策分析为出发点，分析研究所获得的有关科目学生的成绩，首先建立学生单科成绩决策各条件属性的评价指标，然后对有关数据进行数值化和离散化处理，形成决策信息系统，应用基于属性重要性的数据约简算法对决策信息系统进行属性约简和规则提取，建立学生单科成绩决策分析模式。授课老师获取新的学生测评结果后，输入本成绩分析系统，即可得到学生对应的等级。本发明可以有效提高高校成绩评定准确性、减轻教师重复工作量以提高工作效率。
-
公开(公告)号：CN113298154B
公开(公告)日：2022-11-11
申请号：CN202110585098.1
申请日：2021-05-27
Applicant: 安徽大学
Abstract: 本发明公开了一种RGB‑D图像显著目标检测方法，包括以下步骤：提取RGB图像特征，同时提取Depth图像特征，并将Depth图像特征与RGB图像特征进行融合，形成RGBD融合特征；调整所述RGBD融合特征的尺度，形成通道数和分辨率都相同的RGBD多层特征；双向门控解码所述RGBD多层特征，形成RGBD增强特征；所述RGBD增强特征逐步相加，形成显著图。本发明检测方法中将编码器抽取的多层特征看作输入序列，通过双向门控循环单元解码多层特征，利用门控循环单元记忆共同信息，遗忘不一致信息，找出多层特征中的共有信息，提升特征的信息表示，实现最优的解码过程。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.016 seconds)
